CN112686584A - 一种工单指派的方法和系统 - Google Patents

Abstract

本发明提供了一种工单指派的方法和系统，其中工单指派系统包括：工单提交模块，工单分析模块，计算模型模块，故障分析子系统，技能管理子系统，工程师管理子系统，图像计算子系统，工程师推荐子系统，工单指派模块以及工单库。本发明通过对工单的故障描述，工单地址，工单时间以及工单相关图像信息进行综合计算，结合工程师的位置，技能，以及时间安排，计算得到最适合的工程师，并将工单指派给该工程师进行处理，从而实现工程师时间利用率达到最高，工单处理效率最高。

Description

一种工单指派的方法和系统

技术领域

本发明涉及互联网领域，具体而言，涉及一种运维工单指派的方法和系统。

背景技术

目前的工单处理系统在指定工单处理工程师的时候，大多都是通过人工指派或者是简单的规则指派（比如某个区域的工单交给某个工程师处理），带来的结果就是所指派的工程师可能并不擅长处理该工单导致处理效率低，或者指派的工程师当时距离工单指定位置较远，导致工程师的大量时间浪费在路上。特别是针对需要专业人员上门处理的现场工单，如机械设备故障后提交的工单，若工单指派的距离不合适，会导致大量时间浪费在路程上，不仅使工单处理效率低下，也使得人员奔波疲惫。

同时人工指派或简单规则指派（比如某个区域的工单交给某个工程师处理）可能对工程师技能以及工单需要的技能匹配上不够了解，经常出现技能不相适应导致工单处理障碍、难度增加的问题。

针对相关技术中工单处理效率较低的技术问题，目前尚未提出有效的解决方案。即使在现有的一些简单的规则指派中，因工单指派涉及的因素很多，如何对影响因素进行有效选择，制定出合理、高效的指派规则也是亟待解决的问题。

发明内容

本发明提供一种工单指派的方法和系统，以解决现有工单指派中的问题。

本发明通过对工单的时间，地址，以及故障描述进行分析计算，结合工程师的技能以及时间位置信息，找到技能最匹配，时间、位置最匹配的工程师，并将工单指派给他。该发明是一个能够帮助企业智能分发工单的软件系统。通过对工单的故障描述，工单地址，工单时间以及工单相关图像信息进行综合计算，结合工程师的位置，技能，以及时间安排，计算得到最适合的工程师，并将工单指派给该工程师进行处理，从而实现工程师时间利用率达到最高，工单处理效率最高。

本发明提供一种工单指派系统，包括：工单提交模块，工单分析模块，计算模型模块，故障分析子系统，技能管理子系统，工程师管理子系统，图像计算子系统，工程师推荐子系统，工单指派模块以及工单库；

工单提交模块：具有工单录入提交功能，提交的工单至少包括时间信息、位置信息、故障描述、故障图片；

工单分析模块：至少从提交的工单信息中提取出时间、位置、故障描述、故障图片信息，将其分别输出到对应的系统模块中；

故障分析子系统：根据用户提交的故障描述，识别出工单的故障类型；

技能管理子系统：根据工单的故障类型，输出技能匹配的工程师列表GL1；

工程师管理子系统：用于管理所有工程师基础信息和实时动态信息，能够根据工单预期时间T和预期处理位置P输出时间位置匹配的工程师列表GL2；

图像计算子系统: 根据工单的故障图片，输出经验匹配的工程师列表GL3；

工单库：使用关系型数据库，结构化存储所有工单详细数据，包括工单处理后的反馈内容；

计算模型模块：计算模型模块配置存储多个计算因子；

工程师推荐子系统：能够根据技能管理子系统、工程师管理子系统、图像计算子系统得到的三个工程师列表GL1，GL2，GL3，调用计算模型的计算因子进行计算，匹配得到推荐工程师；

工单指派模块：根据工程师推荐子系统输出的推荐工程师，将工单指派给该工程师。

进一步的，本发明的计算模型模块具有反向调节功能，能通过分析工单的处理效果，反过来对计算因子进行调整。

进一步的，工单库中工单处理后的反馈内容包括客户反馈内容和/或工程师反馈内容。

进一步的，工程师管理子系统在进行时间位置匹配时，先查找在工单处理时间点，所有工程师距离工单位置最近的工程师排序得到工程师列表GLA；在得到的工程师列表GLA中，分别计算每个工程师距离上一个处理的工单的时间间隔，并从小到大进行排序，得到排序后的工程师列表GL2。

具体的，工程师提交的处理反馈信息包括处理工程师，实际处理时间，实际处理耗时，配件消耗，工程师总结（时间/位置是否调度合理，技能是否满足）；

进一步的，在工单处理后，客户也提交反馈信息到工单库，客户反馈信息包括客户评语，客户满意度结果（工程师是否专业，处理是否及时，结果是否满意）。

本发明的工单指派方法，具有以下步骤：

S1、使用者在设备出现故障后提交工单请求，提交的工单信息包括时间信息、位置信息、故障描述、工单故障图片；

S2、通过对工单进行智能分析，提取工单信息，至少从技能、位置时间、经验三个维度进行工程师匹配，得到多个中间匹配信息； 中间匹配信息为多个中间工程师列表；

具体的，S2中多个中间工程师列表按步骤S21-S23得出：

S21：根据工单的故障描述，计算出处理该工单所需要的工程师技能，进一步推荐出技能匹配度从高到低的工程师列表GL1；

S22： 根据工单的位置时间描述，推荐出位置时间综合匹配度从高到低的工程师列表GL2；

S23：根据故障图片，与工单库中的历史故障图片进行对比，按故障图片相似度从高到低排序以后，找到对应的处理工程师列表GL3；

S3:按照计算模型对步骤S2中得到的中间匹配信息进行计算，得到最终的工程师推荐；

得到至少3个工程师列表GL1、GL2、GL3以后，按不同权重进行组合评分计算，总分最高的工程师即为最合适的工程师；

S4：按照步骤S3中得到的推荐结果，通知对应工程师，进行工单指派；

S5：工程师进行工单处理，处理结束后，提交处理反馈信息到工单库；

进一步的，还包括步骤S6：反向优化计算模型

根据实际工单处理效率，以及工程师时间利用率，反向调整上述计算方式中的权重，从而不断提升派单效果；在处理完工单以后，使用机器学习的思路，系统会通过处理信息的反馈，返回来自动调整计算模型参数，不断提高系统派单的合理性。

进一步的，步骤S5中的反馈信息包括客户反馈内容和/或工程师反馈内容。

进一步的，步骤S22具体为：

S221：根据工单的位置，查找在工单处理时间点，所有工程师距离工单位置最近的工程师排序得到工程师列表GLA；

S222：在得到的工程师列表GLA中，分别计算每个工程师距离上一个处理的工单的时间间隔，并从小到大进行排序，得到排序后的工程师列表GL2。

本发明具有以下技术效果：（1）系统基于工单的基础信息，通过智能算法，可以自动计算出最合理的工程师，大大提高了企业处理工单的效率。（2）在工单指派中，同时考虑技能匹配、时间位置匹配、经验匹配因素，多因素加权，最优化的完成工单指派。（3）在处理完工单以后，使用机器学习的思路，系统会通过处理信息的反馈，返回来自动调整系统参数，不断提高系统派单的合理性，并提高了工单指派系统的灵活性。（4）用户在输入工单信息时，仅需按自己的语言对故障进行描述，系统根据智能算法对描述语言进行提取，自动匹配出故障类型，智能化识别故障类型能够方便用户使用，降低用户查询准确故障类型的难度，能够有效节约用户时间，并提高系统匹配准确度。

下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1示出了本发明的技术框架。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

参见图1所示， 本发明提供一种工单指派系统，包括：工单提交模块，工单分析模块，故障分析子系统，技能管理子系统，工程师管理子系统，图像计算子系统，计算模型模块，工程师推荐子系统，工单指派模块以及工单库；

工单提交模块，具有工单录入提交功能，提交的工单信息包括时间信息、位置信息、故障描述、故障图片

工单分析模块，从提交的工单信息中提取出时间、位置、故障描述、故障图片等信息，将其分别输出到对应的系统模块中；

故障分析子系统：根据用户提交的故障描述，识别出工单的故障类型；

具体的，系统维护一个关键词与故障类型的关系表格1，根据用户提供工单内容中的进行词汇分析，找到词汇匹配度最高的故障类型记为工单的故障类型。具体算法如下：

a) 取到工单的描述内容语句D，使用分词算法对语句D进行分词计算，得到语句包含的关键词数组CL，比如C1，C2......Cm；

b) 使用word2vec算法，输入关键词数组CL，以及关键词与故障类型关系表格1，输出与当前工单匹配度最高的故障类型E。用户在输入工单信息时，仅需按自己的语言对故障进行描述，系统根据智能算法对描述语言进行提取，自动匹配出故障类型，智能化识别故障类型能够方便用户使用，降低用户查询准确故障类型的难度，能够有效节约用户时间，并提高系统匹配准确度。

技能管理子系统：根据工单的故障类型，输出技能匹配的工程师列表GL1；

具体的，使用关系型数据库，维护两张技能相关数据表。表1维护企业所有工程师所拥有的技能，表2维护每一种工单故障类型需要哪些技能。输入工单故障类型E，输出技能匹配并排序后的工程师列表GL1，计算方式如下：

a) 根据故障类型E，去表2中查询处理E所需要的技能列表，比如JL。

b) 根据JL去表1查询，得到拥有JL中至少1个技能的工程师列表GL1。

c) 对GL1进行排序，技能匹配数量越多的工程师排名靠前，少的靠后。

工程师管理子系统：通过一个独立的系统来管理所有工程师基础信息和实时动态信息，能够根据工单预期时间T和预期处理位置P输出时间位置匹配的工程师列表GL2；

具体的，工程师基础信息主要包含工程师的姓名，工号，办公地址，家庭地址，办公地址，办公时间等个人信息；实时动态信息主要包括工程师的忙闲数据，即每个工程师已安排的工单计划，包含每个工单的预计处理位置和消耗时间。计算输入值为工单预期时间T和预期处理位置P，输出时间位置最匹配的工程师列表GL2。计算过程如下：

a) 获取系统中所有工程师列表如SL1。

b) 对于SL1中的每个工程师，计算出他们在T时间是否已经有工单计划，如果没有则可以放到GLA中，作为时间合理的工程师列表。

c) 对于GLA中的所有工程师，计算出他们在T时间点的前一个工单位置（如Pn）与工单位置P的距离，按距离从小到大排序GLA的数据，得到新的GL2，作为时间和位置合理的工程师列表。在匹配工程师时，同时考虑时间和位置因素，位置因素的加入，能够有效避免位置不合适的路程耗时，特别是针对大范围区域的工单调度，能够有效的节省路程时间，提高效率，经实践证明，该因素的考量在实际使用中能够起到突出的作用。

图像计算子系统: 根据工单的故障图片，输出经验匹配的工程师列表GL3；

用于计算图片特征值，并去工单库中搜索类似工单的系统。输入值为当前工单的图片P1，输出值为推荐处理的工程师列表GL3。

a) 系统采用CNN图像识别算法对图片P1进行分析，经过计算后可以得到图片特征值数组，如K1，K2......Kn。

b) 根据上个步骤返回的图片特征值K1，K2......Kn，结合工单库中所有历史工单的图片特征值，采用余弦相似度算法进行相似度计算，按相似度从高到低进行排序，即可获得相似度从高到低的工单列表，如CL，返回工单列表CL中的工程师数据GL3。

工单库：使用关系型数据库，结构化存储所有工单详细数据，包括工单处理后的客户以及工程师反馈内容；

具体字段包含工单基本信息以及工单处理过程中和处理后的信息。其中基础信息包含工单时间，工单地点，申报客户，故障描述，故障分类，故障图片以及图片特征值（由图像计算系统计算得出）；工程师反馈信息包括处理工程师，实际处理时间，实际处理耗时，配件消耗，工程师总结（时间/位置是否调度合理，技能是否满足），客户反馈信息包括客户评语，客户满意度结果（工程师是否专业，处理是否及时，结果是否满意）。

计算模型模块：计算模型模块配置存储多个计算因子，并能通过分析工单的处理效果，反过来对计算因子进行调整；

具体而言，计算因子包括历史工单经验因子（M1，M2......Mn），时间位置因子(N1，N2......Nn)，技能匹配因子（H1，H2......Hn）。规则如下：

a) 如果客户反馈工程师处理不娴熟，则提高历史工单经验因子。

b) 如果工程师反馈时间/位置安排不合理，则提高时间位置因子。

c) 如果工程师反馈不具备工单处理技能，则提高技能匹配因子。

工程师推荐子系统：能够根据技能管理子系统、工程师管理子系统、图像计算子系统得到的三个工程师列表GL1，GL2，GL3，调用计算模型的计算因子进行计算，匹配得到推荐工程师；

具体的，通过子系统计算所得的三个工程师列表GL1，GL2，GL3，按以下算法得到最匹配的工程师：

a) 由计算模型模块，维护三个数组的加权因子，比如历史工单经验因子（M1，M2......Mn），时间位置因子(N1，N2......Nn)，技能匹配因子（H1，H2......Hn）。

b) 分别遍历GL1，GL2，GL3的工程师，GL1的第一位工程师积分加M1，第二位工程师积分M2，第N位工程师积分Mn。GL2的第一位工程师积分N1，GL2的第二位工程师积分N2，第N位工程师积分Nn。GL3的第一位工程师积分H1，GL3的第二位工程师积分H2，第N位工程师积分Hn。

c) 经过b的计算以后，每个工程师可以获得三个积分，如Mi，Nj，Hr，将积分相加Mi+Nj+Hr，然后每个工程师都可以得到一个推荐评分，评分最高的工程师即为推荐工程师。本发明的计算因子并不是简单的指定三个固定的系数，而是针对多个中间列表，分别设置对应的因子，每一对应因子的值之间的差异可以细化具体给定，而不局限于都按照相同的差异进行递减或同比例缩小。这种计算因子的设置方式能够灵活准确的对各项中间列表中的信息进行权重设置，提高系统匹配的准确度。

工单指派模块：根据工程师推荐子系统输出的推荐工程师，将工单指派给该工程师；

具体的可以通过，短信通知、电话通知、邮件通知等多个通知方式。

本发明的工单指派方法，具有以下步骤：

S1、客户在设备出现故障后提交工单请求，提交的工单信息包括时间信息、位置信息、故障描述、工单故障图片；

S2、通过对工单进行智能分析，提取工单信息，至少从技能、位置时间、经验三个维度进行工程师匹配，得到多个中间匹配信息；

具体的中间匹配信息为多个中间工程师列表，多个中间工程师列表按步骤S21-S23得出：

S21：根据工单的故障描述，计算出处理该工单所需要的工程师技能，进一步推荐出技能匹配度从高到低的工程师列表GL1；

S22： 根据工单的位置时间描述，推荐出位置时间综合匹配度从高到低的工程师列表GL2；

S221：根据工单的位置，查找在工单处理时间点，所有工程师距离工单位置最近的工程师排序得到工程师列表GLA；

S222:在得到的工程师列表GLA中，分别计算每个工程师距离上一个处理的工单的时间间隔，并从小到大进行排序，得到排序后的工程师列表GL2；

S23：根据故障图片，与工单库中的历史故障图片进行对比，按故障图片相似度从高到低排序以后，找到对应的处理工程师列表GL3；

S3:按照计算模型对步骤S2中得到的中间匹配信息进行计算，得到最终的工程师推荐

得到至少3个工程师列表GL1、GL2、GL3以后，按不同权重进行组合评分计算，总分最高的工程师即为最合适的工程师；

S4：按照步骤S4中得到的推荐结果，通知对应工程师，进行工单指派；

S5：工程师进行工单处理，处理结束后，工程师提交处理反馈信息到工单库；

具体的，工程师提交的处理反馈信息包括处理工程师，实际处理时间，实际处理耗时，配件消耗，工程师总结（时间/位置是否调度合理，技能是否满足）；

进一步的，在工单处理后，客户也提交反馈信息到工单库，客户反馈信息包括客户评语，客户满意度结果（工程师是否专业，处理是否及时，结果是否满意）；

进一步的，还包括步骤S6：反向优化计算模型

根据实际工单处理效率，以及工程师时间利用率，反向调整上述计算方式中的权重，从而不断提升派单效果；在处理完工单以后，使用机器学习的思路，系统会通过处理信息的反馈，返回来自动调整计算模型参数，不断提高系统派单的合理性。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种工单指派系统，包括：工单提交模块，工单分析模块，计算模型模块，故障分析子系统，技能管理子系统，工程师管理子系统，图像计算子系统，工程师推荐子系统，工单指派模块以及工单库，其特征在于：

工单提交模块：具有工单录入提交功能，提交的工单至少包括时间信息、位置信息、故障描述、故障图片；

工单分析模块：至少从提交的工单信息中提取出时间、位置、故障描述、故障图片信息，将其分别输出到对应的系统模块中；

故障分析子系统：根据用户提交的故障描述，识别出工单的故障类型；

技能管理子系统：根据工单的故障类型，输出技能匹配的工程师列表GL1；

工程师管理子系统：用于管理所有工程师基础信息和实时动态信息，能够根据工单预期时间T和预期处理位置P输出时间位置匹配的工程师列表GL2；

图像计算子系统: 根据工单的故障图片，输出经验匹配的工程师列表GL3；

工单库：使用关系型数据库，结构化存储所有工单详细数据，包括工单处理后的反馈内容；

计算模型模块：计算模型模块配置存储多个计算因子；

工程师推荐子系统：能够根据技能管理子系统、工程师管理子系统、图像计算子系统得到的三个工程师列表GL1，GL2，GL3，调用计算模型的计算因子进行计算，匹配得到推荐工程师；

工单指派模块：根据工程师推荐子系统输出的推荐工程师，将工单指派给该工程师。

2.根据权利要求1所述的系统，其附加技术特征为，计算模型模块具有反向调节功能，能通过分析工单的处理效果，反过来对计算因子进行调整。

3.根据权利要求1所述的系统，其附加技术特征为，工单库中工单处理后的反馈内容包括客户反馈内容和/或工程师反馈内容。

4.根据权利要求1-3任一项所述的系统，其附加技术特征为，工程师管理子系统在进行时间位置匹配时，先查找在工单处理时间点，所有工程师距离工单位置最近的工程师排序得到工程师列表GLA；在得到的工程师列表GLA中，分别计算每个工程师距离上一个处理的工单的时间间隔，并从小到大进行排序，得到排序后的工程师列表GL2。

5.一种工单指派方法，其特征在于，具有以下步骤：

S1、使用者在设备出现故障后提交工单请求，提交的工单信息包括时间信息、位置信息、故障描述、工单故障图片；

S2、通过对工单进行智能分析，提取工单信息，至少从技能、位置时间、经验三个维度进行工程师匹配，得到多个中间匹配信息； 中间匹配信息为多个中间工程师列表；

具体的，S2中多个中间工程师列表按步骤S21-S23得出：

S21：根据工单的故障描述，计算出处理该工单所需要的工程师技能，进一步推荐出技能匹配度从高到低的工程师列表GL1；

S22： 根据工单的位置时间描述，推荐出位置时间综合匹配度从高到低的工程师列表GL2；

S23：根据故障图片，与工单库中的历史故障图片进行对比，按故障图片相似度从高到低排序以后，找到对应的处理工程师列表GL3；

S3:按照计算模型对中间匹配信息进行计算，得到最终的工程师推荐；

得到至少3个工程师列表GL1、GL2、GL3以后，按不同权重进行组合评分计算，总分最高的工程师即为最合适的工程师；

S4：按照步骤S3中得到的推荐结果，通知对应工程师，进行工单指派；

S5：工程师进行工单处理，处理结束后，提交处理反馈信息到工单库。

6.根据权利要求5所述的方法，其附加技术特征为，还包括步骤：

S6：反向优化计算模型；根据实际工单处理效率，以及工程师时间利用率，反向调整上述计算方式中的权重，从而不断提升派单效果；在处理完工单以后，使用机器学习的思路，系统会通过处理信息的反馈，返回来自动调整计算模型参数，不断提高系统派单的合理性。

7.根据权利要求5所述的方法，其附加技术特征为，步骤S5中的反馈信息包括客户反馈内容和/或工程师反馈内容。

8.根据权利要求5-7任一项所述的方法，其附加技术特征为，步骤S22具体为：

S221：根据工单的位置，查找在工单处理时间点，所有工程师距离工单位置最近的工程师排序得到工程师列表GLA；

S222：在得到的工程师列表GLA中，分别计算每个工程师距离上一个处理的工单的时间间隔，并从小到大进行排序，得到排序后的工程师列表GL2。

Images